前回のコラムでは、データ分析の学習時に重要と考えているポイントについて寄稿いたしました。その3つとは
【スキルレベルに合うものを選ぶ】
【一緒に学ぶ仲間がいる】
【実務に近い経験ができる】

といったものです。詳細はコラムバックナンバーでお読みいただけます。

今回は、それらを大切にしつつ、実際に学習する方法について考えてみたいと思います。

【セミナーで学ぶ】
昨今、多くのデータ分析講座が各所で開催されています。集合学習で最も気にしなければならないのは「スキルレベルに合うか」です。自分自身のスキルレベルに合うか否かは、自分自身のスキルレベルが精緻に把握できていれば、セミナーのレジュメをしっかりと確認することで可能です。（スキルレベルの把握については前回のコラムに詳細を紹介しておりますのでご確認ください）
セミナー形式の学習は集合学習であることがほとんどだと思いますので、一緒に学ぶ仲間を得ることも期待できそうです。実務に近い経験ができるか否かについては、レジュメ内にどれだけワークがあるかということと、その際に使うデータが実データかどうか、という点を注視すれば見極めることができそうです。

【e-ラーニング】
e-ラーニングは独習であることがほとんどであると思います。セミナーなどの集合学習と異なり、仲間を得ることは期待できそうにありませんが、学習コンテンツの提供元や講師に直接質問できるという機能を備えるサービスも増えてきました。また、解析そのものを行うというワークが含まれるコンテンツも多くなってきました。プログラミング、データ処理の環境構築から学べるものもありますので、実務を考慮するという点でも良い学習方法であると思います。何より個別の理解度にあわせた学習が期待でき、また自分のペースで学べるという点もメリットが大きいです。

【専門書での学習】
こちらの学習方法も独習が基本で、仲間の獲得は難しいかもしれません。レベルに合っているかどうかについては、見出しをしっかりと確認したり、ECサイトなどの一部ページ閲覧ができる機能などを用いて見極めて行くのが良いと思います。
実務に近い経験はセミナーやe-ラーニングに比べると苦しいところかと思います（書籍の付録としてデータやプログラムが含まれているものは、もちろん多く存在します）。とはいえ、セミナーやe-ラーニングで学んだスキルの補完や、別の視点での解説から新たな気づきを得るには欠かせない学習方法です。また、統計やデータ解析に関しては専門書をテーマにした読書会などもありますので、そういったものに参加すると良い仲間を得る機会に恵まれるかもしれません。書籍だけでなく学習する方法も大事だということです。

ここに挙げた以外にも学習方法はあるかと思いますが、効率よく学習しスキルを獲得していくには学ぶ者の理解度に合っている、というのが最も重要と私は考えています。究極は「自分に最も合っている先生が1人いる」ことかもしれません。以前もこちらのコラムで書いたかもしれませんが、それを実現するのは人ではなくAI（的な機能を実現したサービス）かもしれません。